La voie vers des compétences de manipulation d’objets robotiques plus humaines –

  • FrançaisFrançais



  • Et si un robot pouvait ranger votre placard ou hacher vos légumes ? Un sous-chef dans chaque foyer pourrait un jour devenir une réalité.

    Pourtant, bien que les progrès de l’intelligence artificielle et de l’apprentissage automatique aient rendu possible une meilleure robotique, il existe encore un écart assez important entre ce que les humains et les robots peuvent faire. Combler cet écart nécessitera de surmonter un certain nombre d’obstacles dans la manipulation des robots, ou la capacité des robots à manipuler des environnements et à s’adapter à des stimuli changeants.

    doctorat la candidate Jinda Cui et Jeff Trinkle, professeur et directeur du département d’informatique et d’ingénierie de l’Université de Lehigh, s’intéressent à ces défis. Ils travaillent dans un domaine appelé manipulation robotique apprise, dans lequel les robots sont “entraînés” grâce à l’apprentissage automatique pour manipuler des objets et des environnements comme le font les humains.

    “J’ai toujours pensé que pour que les robots soient vraiment utiles, ils doivent ramasser des trucs, ils doivent être capables de les manipuler, de les assembler et de les réparer, pour vous aider à vous relever et tout ça”, explique Trinkle qui a mené des décennies de recherche sur la manipulation de robots et est bien connu pour ses travaux de pionnier dans la simulation de systèmes multicorps sous contraintes de contact. “Il faut tellement de domaines techniques ensemble pour examiner un problème comme celui-là.”

    “Dans la manipulation de robots, l’apprentissage est une alternative prometteuse aux méthodes d’ingénierie traditionnelles et a fait ses preuves, en particulier dans les tâches de prélèvement et de placement”, explique Cui, dont les travaux se sont concentrés sur l’intersection de la manipulation de robots et de l’apprentissage automatique. “Bien que de nombreuses questions de recherche restent encore sans réponse, la manipulation apprise des robots pourrait potentiellement amener des robots manipulateurs dans nos maisons et nos entreprises. Peut-être verrons-nous des robots nettoyer nos tables ou organiser des placards dans un proche avenir.”

    Dans un article de synthèse dans Robotique scientifique appelé “Vers la manipulation robotique apprise de la prochaine génération”, Cui et Trinkle résument, comparent et contrastent les recherches sur la manipulation robotique apprise à travers le prisme de l’adaptabilité et décrivent des directions de recherche prometteuses pour l’avenir.

    Cui et Trinkle soulignent l’utilité de la modularité dans la conception de l’apprentissage et soulignent le besoin de représentations appropriées pour les tâches de manipulation. Ils notent également que la modularité permet la personnalisation.

    Cui dit que les ingénieurs traditionnels peuvent douter de la fiabilité des compétences acquises pour la manipulation de robots, car ce sont généralement des solutions de type “ boîte noire ”, ce qui signifie que les chercheurs peuvent ne pas savoir quand et pourquoi une compétence acquise échoue.

    «Comme le souligne notre article, une modularisation appropriée des compétences de manipulation acquises peut ouvrir des« boîtes noires »et les rendre plus explicables», déclare Cui.

    Les neuf domaines que Cui et Trinkle proposent comme particulièrement prometteurs pour faire progresser la capacité et l’adaptabilité de la manipulation de robot appris sont: 1) L’apprentissage de la représentation avec plus de modalités de détection telles que les signaux tactiles, auditifs et de température. 2) Des simulateurs avancés pour la manipulation afin qu’ils puissent être aussi rapides et réalistes que possible. 3) Personnalisation des tâches/compétences. 4) Représentations de tâches “portables”. 5) Exploration éclairée pour la manipulation dans laquelle les méthodes d’apprentissage actif peuvent trouver de nouvelles compétences efficacement en exploitant les informations de contact. 6) Une exploration continue, ou un moyen pour une compétence acquise de s’améliorer continuellement après le déploiement du robot. 7) Apprentissage actif massivement distribué/parallèle. 8) Innovations matérielles qui simplifient les manipulations plus difficiles telles que la manipulation adroite en main. 9) Performances en temps réel puisque, finalement, les compétences de manipulation apprises seront testées dans le monde réel.

    Suivant certaines de ces directions, Cui et Trinkle travaillent actuellement sur les compétences sensorimotrices tactiles pour rendre les robots manipulateurs plus agiles et robustes.

    Pour Cui, l’une des découvertes les plus excitantes qu’il ait faites en explorant les recherches actuelles est que la manipulation de robots apprise en est encore à ses balbutiements.

    “Cela laisse de nombreuses opportunités à la communauté de la recherche à explorer et à prospérer”, a déclaré Cui. “L’avenir prometteur et le vaste espace d’exploration feront de la manipulation apprise des robots un domaine de recherche passionnant pour les décennies à venir.”

    Source de l’histoire:

    Matériaux fourni par Université Lehigh. Remarque : Le contenu peut être modifié pour le style et la longueur.

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.